MMLU

MMLU (Massive Multitask Language Understanding) 由 Dan Hendrycks 等人于 2020 年提出（ICLR 2021），覆盖 57 个学科从基础数学、美国历史、计算机科学到法律和医学。采用多项选择题格式，是衡量 LLM 广泛世界知识和问题解决能力的最经典基准之一。

推理官方网站

#	模型	得分 (%)	厂商	来源
1	OpenAI o1	91.8	OpenAI	OpenAI GPT-4.1 发布页
2	GPT-4.5	90.8	OpenAI	OpenAI GPT-4.1 发布页
3	DeepSeek-R1	90.8	深度求索	DeepSeek-R1 技术报告
4	GPT-4.1	90.2	OpenAI	OpenAI GPT-4.1 发布页
5	DeepSeek-V4-Pro Base	90.1	深度求索	MiMo-V2.5-Pro 技术报告
6	MiMo-V2.5-Pro Base	89.4	小米	MiMo-V2.5-Pro 技术报告
7	DeepSeek-V4-Flash Base	88.7	深度求索	MiMo-V2.5-Pro 技术报告
8	Llama 3.1 405B Instruct	88.6	Meta	DeepSeek-V3 技术报告
9	DeepSeek-V3	88.5	深度求索	DeepSeek-R1 技术报告
10	Claude 3.5 Sonnet 20241022	88.3	Anthropic	DeepSeek-R1 技术报告

返回

MMLU

MMLU (Massive Multitask Language Understanding) 由 Dan Hendrycks 等人于 2020 年提出（ICLR 2021），覆盖 57 个学科从基础数学、美国历史、计算机科学到法律和医学。采用多项选择题格式，是衡量 LLM 广泛世界知识和问题解决能力的最经典基准之一。

推理官方网站

#	模型	得分 (%)	厂商	来源
1	OpenAI o1	91.8	OpenAI	OpenAI GPT-4.1 发布页
2	GPT-4.5	90.8	OpenAI	OpenAI GPT-4.1 发布页
3	DeepSeek-R1	90.8	深度求索	DeepSeek-R1 技术报告
4	GPT-4.1	90.2	OpenAI	OpenAI GPT-4.1 发布页
5	DeepSeek-V4-Pro Base	90.1	深度求索	MiMo-V2.5-Pro 技术报告
6	MiMo-V2.5-Pro Base	89.4	小米	MiMo-V2.5-Pro 技术报告
7	DeepSeek-V4-Flash Base	88.7	深度求索	MiMo-V2.5-Pro 技术报告
8	Llama 3.1 405B Instruct	88.6	Meta	DeepSeek-V3 技术报告
9	DeepSeek-V3	88.5	深度求索	DeepSeek-R1 技术报告
10	Claude 3.5 Sonnet 20241022	88.3	Anthropic	DeepSeek-R1 技术报告